企业在绩效管理中⾯临的挑战 02 绩效数字化落地指南 SECOND 选择合适的⽅式是绩效管理成功落地的前提 ⽬标制定：构建全员聚焦的组织及个⼈⽬标体系 结果应⽤：将绩效结果贯穿于管理应⽤，成为有效管理抓⼿ 以战略为导向的全⾯绩效管理解决⽅案� 过程跟进：任务、周报、⽬标复盘多种⼯具让过程管理有抓⼿� AI绩效：让⽬标制定更科学，让绩效反馈更有效 战略解码：结构化战略解码⽀撑战略落地 ⾯谈与改进：绩效⾯谈，共识结果，促进能⼒提升，激发⾼绩效 领先的绩效数字化最佳实践导⼊和客⼾成功体系 / 42 / 43 / 44 / 45 03 绩效精选案例集� THIRD 中国500强⾼科技制造企业：基于OGSM框架的全链路战略落地 中国500强新能源⻰头企业：携⼿北森落地绩效变⾰ 知名软件互联⽹企业：AI赋能，战略穿透，打造⼀体化绩效管理新范式 世界500强⻋企：项⽬制绩效考核评估新范式 中国500强医药头部企业：实现3万⼈绩效的精细化运营 软件信息细分领域领先企业：赛⻢不相⻢，事为先，⼈为重 中国500强智慧能源集团：⽀撑1.5万⼈全⾯绩效管理 药品零售连锁⻰头企业：实现全集团4万⼈的绩效管理 中国500强制药⻰头企业：万⼈级集团化绩效落地 汽⻋产业细分领域头部企业：OKR驱动团队协作和战略落地 / 21 / 27 / 33 / 23 / 29 / 35 / 25 / 31 / 37 / 39 01

n 我们认为金融行业人工智能的应用价值大体可以分为三个层次： 降本增效，价值创造与决策赋能。在实际银行落地应用 中， 可能包括： 1 ）降本增效：智能客服、信贷审批、合同质检； 2 ）价值创造： AI 编程、智能风控、智能营销等； 3 ）决 策 赋能： 深度分析和决策辅助。 n 从实际落地应用情况看， 大行发力更早， 中小银行正在快速追赶。如工商银行、建设银行、招商银行等大行布局更早， 风险提示 ： AI 技术落地不及预期、竞争加剧、信息更新不及时等。 2 n DeepSeek 开源使金融机构能够轻松获得前沿模型能力，且大幅降低部署成本。其通过对训练方式、算法架构和推理方 法的工程化优化大幅降低了部署成本。近期采用大规模 RL 训练方法的阿里 QwQ-32B 等模型也在缩小规模的同时达到 了 DeepSeek R1 671B 的应用效果，有望进一步催生银行落地应用。 核心观点 图表：金融行业 AI 应用的三个层次 资料来源：中泰证券研究所 13 金融行业人工智能的三层价值创造 n 降本增效场景通常基于大模型的生成能力，进行人力替代或赋能，在银行业 AI 应用场景中落地最早。 n 商业银行主要通过人工客服和智能客服两种方式为客户提供咨询服务。人工客服工作强度高、处理和响应时间相对较长， 而当下智能客服难以覆盖全部服务场景。如工商银行在远程银行业务中将知识搜索与大模型生成能力结合，实现基于实

品服务、数智技术等要素融合中加速构建系统性能力，将帮助企业在激烈的市场竞争 中掌握话语权。 中国企业在数智化征程中经历了从探索到攻坚的关键转折，政策的引导支持与市 场的需求牵引，共同推动了数智化转型的加速落地，同时深层次的矛盾也逐渐凸显： 战略解码断层、业技协同壁垒、价值量化困境，让众多企业陷入“深化转型转不动” 的共性困局。而如何科学评估转型成效、精准定位发展阶段，成为企业突破瓶颈、实 现可持续 进阶阶段，为企业擘画出一条可量化、可对标、可持续进阶的清晰路径图。理论体系 的生命力在于实践检验，中国联通首先在企业内开展全面评估，报告中以试点省分公 司为例，详细分析了数智化转型成熟度模型的落地情况，通过测评遴选，各分子公司 涌现出的优秀实践，对企业数智化转型的实践路径与成效进行进一步具象呈现。 本报告旨在立足当前我国企业的通用发展需求，为全行业企业提供数智化转型的 科学参考和具有前 的深层需求，系统破解转型面临的核心挑战，成为企业突破瓶颈、释放数智潜能的关 键前提。 战略执行穿透不足，资源配置未实现精准匹配。中国联通结合企业自身业务特点， 制定企业的数智化转型战略规划，系统性的开展战略解码、明确落地路径，但在战略 执行层面，有序推进不足、缺乏可量化的阶段成果衡量标准，战略意图传达至基层执 行单元精准度衰减，资源配置与战略优先级匹配失衡，出现局部资源冗余与紧缺并存 现象，进一步加剧战略执行脱节。

与闭环式能力提升，驱动战略的落地 • 构建支撑战略的、 动态的和可扩展 的管控模式和组 织结构 • 通过组织架构培 育与获取企业战 略所需要的核心 能力 • 组织架构的落地执行需要核 心流程、机制和信息化系统 的配套，驱动组织的运作方 式改变与能力提升 • 实现企业战略层层分解， 打造组织战略协同合力 • 建立内部公平与外部竞 争的薪酬体系，资源向 关键人才倾斜 • 战略落地，需要 核心人才的思维 体系及目标值的设计工作 2 联合发展投资集团 “ 十五五”规划的编制，并协助递交国资委审核 3 武钢集团有限公司 进行集团战略定位、未来业务扫描、核心业务战略、集团总体战略和战略配套机制的设计与落地工作 4 广州医药集团有限公司 职业经理人改革顶层规划设计，并报国资委审批 5 广州市建筑集团有限公司 公司战略规划、业务战略规划设计 6 山东高速集团 为山东高速集团子公司，山东高速集团 略，沟通计划，变革风险管理， 员工及相关方利益影响分析，变革管理团队架构及职能设计，变革准备分析等 特色 4 ，强调赋能。我们在项目过程中，通常会采用教练式的过程咨询，统一 思想、提升能力、保障落地，帮助客户实现价值最大化 教练式过程咨询开展方式及收益 客户评价 开展 方式 收益 教练式过程咨询通过管理工具的系统培 训、现场演练与过程辅导，帮助中高层管理 者学习和掌握工具与方法。并通过持续辅导，

基于大语言模型、多模态与多智能体架构，从底层 具备“智能内生性”；不仅能处理语言、视觉、音 频等多模态信息，还能在跨岗位、跨流程中自动协 同，形成覆盖知识—人才—业务—治理的智能化工 作流。 产业级 Know-How 工业级落地 • 结合行业知识、业务逻辑与隐性经验，沉淀出能够 直接指导实践的“行业智慧”。作为AI与产业结合 的桥梁，使智能能力不止停留在通用层面，而能真 正解决行业痛点，转化为差异化竞争力。 • 强调大规模、标准化、可复制的应用能力。从工具 指投资后收入的收益与成本之间的百分比率，是一种衡量获利能力的指标，用于评估一项投资的效率或盈利能力。 产业级Know-How 是指企业在特定行业长期积累的 系统化知识、业务逻辑与隐性经验，能够直接支撑大规模应用与业务落地。 执行摘要 1 绚星智慧科技：企业级智能生产力 解决方案的领导者 4 目录 企业级智能生产力最佳实践 5 企业级智能生产力的内涵与市场机遇 2 企业组织能力建设的三种范式 3 企业面 • 控制与数据安全权限 智能体与 自动化类 治理与 安全类 AI原生+产业级Know-How +工业级落 地： • 在AI技术快速发展的背景下，企业 可基于标准化、可复制、可扩展、 具备工程化落地可靠性的AI原生系 统能力（包括大语言模型 LLM、检 索增强生成 RAG、多智能体体系、 工作流编排），同时融合深厚的产 业级Know-How，不同于传统单点 工具式的流程优化，这类平台通过 智能体与全域数据底座的深度融合，

新华三能力集 STN ETN OC 录 目 01 人工智能发展趋势和保险适用场 景 03 新华三落地实 践 人间一日， AI 十年，大模型技术日新月 异 2023.12 ◦ Google Gemini 系 列 发 布： ◦ OpenAI 对手开始出牌， 竞 争正式加速升级 新华三能力集 STN ETN OC 录 目 01 人工智能发展趋势和保险适用场 景 03 新华三落地实 践 AI GPU 服务器 国产化 GPU 服务器 海量分布式存储 并行文件存储 RoCE 网络 云边端部署 • 交互式建模 • 拖拽式建模 • 知识库 • 向量库 • 能力集成 • 数据安全审计 一站式工程化套件实现 AIGC 落地应 用 向导式 + 图形化降低 AIGC 门槛，开放性 + 工程化加速 AIGC 落地 大模型使能 部署推理 模型管理 模型训练 / 微调 算法开发 数据处理 13 旷视天元 Mega Engine … 海光 DTK 软件栈

直深耕阶段，如何推动工业互联网在垂直行业落地应用， 正 成为政府和企业共同关注的焦点问题。 2020 年 3 月 17 日， 国务院总理李克强主持召开国务院常务会议，并指出 要依托 工业互联网促进传统产业加快上线上云。 2020 年 3 月 20 日， 工信部发布了《关于推动工业互联网加快发展的 通知》，提出 要深化工业互联网行业应用。 为理清不同行业的数字化转型趋势、典型应用场景和 落地路径，在对 架构包括价值视角、技术视角和业务视角三大视角。制造业 数字化转型必须从价值、技术、业务三个视角统筹考虑， 其 中，价值重构是逻辑起点，技术支撑是工具， 业务落地是内 核，要以价值重构为主线，坚持技术支撑和业务落地双轮驱 动，实现技术和业务双向迭代。 图 制造业数字化转型方法论参考架构 （一）价值视角 价值视角是工业互联网平台建设的逻辑起点，基于工业 互联网平台开展企业数字化转型，首先需要我们回答工业互 制造业数字化转型方法论参考架构：技术视角 （三）业务视角 业务视角是工业互联网平台建设的核心要义，基于工业 互联网平台开展企业数字化转型，需要我们回答怎样去运用 和落地工业互联网平台， 切实解决企业的痛点问题。从业务 视角看，工业互联网平台的落地要坚持分业施策、需求牵引、 场景驱动，围绕行业数字化转型趋势， 从传统行业自身痛点 出发，找到传统产业上线上云的牛鼻子，基于“计划（ P ）— 执行（

对内数字化建设支持的重要职 责。此类公司在央国企数字化项目中通常扮演以下三类角色：一是类似央国企内部的 IT 部门，负责 需求传达、项目验收等关键环节；二是系统集成商，整合各类技术资源以推动项目落地；三是技术 与产品供应商，直接为项目提供核心技术和解决方案。凭借背靠央国企这一强大后盾，数科子公司 在资源获取与项目推进上具有显著优势。 然而，研究发现，央国企数科子公司正逐渐承担起对外输出的重任。从传统的 水区” 央国企在大模型落地过程中普遍采用“N+X”的推进节奏。“N”代表通用场景，如知识问答、合 同起草、招标采购等，通常对应技术厂商的标准化产品。这些场景落地难度较低，但价值也相对有 限，属于大模型应用的“浅水区”。“X”则代表行业特定的业务场景，例如煤炭行业的勘探、电力 行业的设备巡检、运营商行业的宽带报修等。这些场景通常需要央国企与技术厂商深度共创，落地 难度较大，但潜在价值较高，属于大模型应用的“深水区”。 年，央国企主要聚焦于推进“N”类场景的落地，同时也在探索“X”类场景的 应用，但进展相对缓慢。核心问题在于现有大模型缺乏对央国企复杂业务逻辑的理解能力，难以直 接应用于业务场景。然而，DeepSeek 开源的 DeepSeek R1 模型为这一困境带来了突破性解决方 案。通过开源，DeepSeek R1 使央国企的大模型能够理解业务逻辑，从而为“深水区”场景的落地 提供了可能。 目前，央国企可通过以下三种方式实现这一目标：

，产业 / 区域协同发展、提升数字化转型的 基础支撑能力基本是其共性举措； 2 ）从需求场景来看 ，评优和招标市场有所区别：评优 侧更关注生产制造相关环节的具体落地操作；招标侧则多由各市工业和信息化局采购的 ， 希望通过转型诊断后找到企业在研发、生产作业、数据、组织战略等环节开展诊断工作 ， 进而给出相应的改造建议 ， 引导企业顺利转型。就需求端的转型现状而言 ，即更加聚焦数据准备、供应链管理、生产管理等紧迫需求场景。 2024 年中国制造业数字化转型市场规模达到 1.55 万亿 ，市场服务呈现出划分体系更加清 晰、 产品更加丰富、解决方案更加系统化、 大模型的落地应用探索逐渐深入等特点。就 市场规模而言 ，市场规模在 2025 年预计达到 1.76 万亿 ，并将在未来 5 年维持 14% 左右的 增速稳步增长 ，政 3 ） 大模型侧 ，供给端对大模型的应 用探索逐 步深入 ，主要通过智能体、大模型 + 大模型的强强联合、大模型 + 产品的结合 等方式纷纷 探索大模型的应用落地。 尽管制造业的数字化已经进行了几年 ，但市场竞争格局尚未出现任何改变 ，未来在行业 层面、 市场打法层面、 产品及服务层面还有巨大的潜力 ，一切都是未知 ，一切也都有可

入领域。 技术价值：生成式 AI 有望为保险业带来 700 亿美元生产力提升 ，金融行业大模型落地加速 ，保险领域 仍有广阔空间。 政策支持：多项政策鼓励保险业运用 AI 技术 ，推动智能化转型 ，为“保险 +AI” 模式筑牢发展根基。 本报告第二章聚焦 AI 技术在保险业务的核心落地场景： 销售： 由从单点工具转向全流程智能体系 ，实现客户获取、需求分析、产品推荐等环节的智能化 517.6 153.6 77.1 29.3 54.0 AI 技术的迭代升级正重塑全球产业格局，其释放的市场价值潜力已经成为社会共识。金融行业凭借数据富集、流程标准化等特性，在 AI 技术落地方面具备得天独厚 的 优势，已然成为“ AI+” 深度融合的前沿阵地。 2024 年金融行业大模型中标项目数量与金额均呈爆发式增长，从第一季度到第四季度，中标数量由 8 个激增至 66 个， 披 露金额从 12% 、金额占比 8% ， 相较银 行等金融同业仍存显著差距，既反映当前技术应用深度不足，也预示通过算法优化与场景创新可释放的增量空间。 保险业积极拥抱“ AI+” 趋势 金融行业大模型加速落地，保险领域仍有广阔天地 其他 20% 银行 53% 保险 12% 其他 19% 银行 56% 保险 8% 2024 年金融行业大模型中标项目数量及披露金额 13609 第一季度